1.3 数据纵向完全合并:concat

本节介绍如何使用pandas的concat函数将相同结构的CSV数据文件纵向完全合并。通过读取并合并transaction_1.csv和transaction_2.csv,展示了如何忽略索引并检查合并后的行数以确保完整性。进一步讨论了将不同数据集横向合并的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

image.png

这一节,我们学习如何将transaction_1.csv文件和transaction_2.csv文件合并起来。观察这两个数据文件可以发现,数据文件的数据列都是一样的。这种情况下的所谓合并,就是相同结构下数据量的增加,好比原来是11层楼(transaction_1.csv),现在再增加盖5层楼(transaction_2.csv)的意思,也就是数据的纵向完全合并。

 

上一节中,我们已经将transaction_1.csv文件转换成了transaction_1 变量,接下来,再读取transaction_2.csv文件,转换成transaction_2 变量。代码如下:

transaction_2 = pd.read_csv('transaction_2.csv')
transaction = pd.concat([transaction_1,transaction_2],ignore_index=True)
transaction.head()

解释一下代码:

 

第1行:使用pandas中的

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值